提示词入门:先备齐三样东西,再谈怎么写
多数人第一次用对话工具会直接跳到「怎么把话说得更漂亮」,这一步跳早了 —— 官方文档写明,动手改提示词之前要先有成功标准、可测的方法和一条初稿。本文按四步走通一件小事,并说明为什么同一个产品里长期设定和临时输入分量不同、为什么推理型模型和 GPT 型模型该写得不一样。

先别急着写提示词
写提示词之前先备齐三样东西:说得清楚的「什么算成功」、一套能对着它测的方法、一条你已经写好的初稿。缺任何一样,改提示词都会变成来回碰运气。
这是 Anthropic 的提示词工程文档写在开头的前置条件。多数人第一次用对话工具,会直接跳到「怎么把话说得更漂亮」,这一步其实跳早了。
反过来做就顺了。先拿一件你真的要做出来的事当题目,比如「把这段会议记录整理成待办清单」,然后照下面四步走一遍。
做完这四步,你会得到一条能复用的提示词,而不是一句运气好的问话。
四步走通一件小事
第一步:写一句成功标准。 用你能检查的话写,别用「写得好」「通顺」这种词。
上面那个例子,标准可以是:每一条待办都能在原记录里找到对应的那句话。原文没写负责人的,留空而不是补一个名字。
第二步:拿同一份材料跑一次,看它实际输出了什么。 不要凭想象改提示词,先看到它现在的毛病。
很多时候你以为的问题(太啰嗦)其实不是问题(漏了一条)。
第三步:只改一处,再跑一次。 一次只改一个地方,才知道是哪一处起了作用。
同时把两次的输出并排放着比。
第四步:把跑通的那句存下来。 存成一条带标签的提示词,下次同类任务直接拿来改。
提示词是攒出来的资产,不是每次现编。
这四步里,第三步最反直觉。很多人会一口气把提示词重写一遍,然后分不清是哪句话起了作用。
完整走一遍
用一份虚构的会议记录。成功标准是「每条待办都能在原记录里找到对应的那句」。
第一次跑,提示词只有「帮我把这段记录整理成待办」。模型给出一份漂亮的列表,其中两条把「大家再确认一下时间」写成了具体日期。
原文没给时间,这是编的。第二步看到的就是这个毛病。
第三步只加一句「原文没有的时间或负责人请留空,不要推测」,再跑一次。那两条就空了,第三条旁边标了「原文未提供」。
改完之后,把这句话和这份材料一起存成一条带标签的提示词。下一份记录来了,只换材料不改句子。
换材料之后效果就掉,说明那条提示词绑得太死,需要再拆一次。
这个例子里的两个细节值得单独记一下。
「留空」比「不要推测」更有用:前者给了明确的产出形态(表格里那一格是空的),后者只给了一条禁令,模型不一定知道该拿什么代替。
「原文未提供」这种标注比沉默更有用:沉默时你不知道它是漏了还是漏标了。
同一个产品,两种写法
如果你是用界面而不是调接口,消息是有角色的,不同角色的分量不一样。
OpenAI 的模型规范把优先级写成一条链:开发者给的消息排在用户消息前面,用户消息排在模型自己生成的内容前面。
界面上最接近「开发者消息」的,是系统设定或者自定义指令那类长期设定。你自己输入的那句话是用户消息。
效果是:你写在长期设定里的规则,和你这次临时打的一句,分量不一样。
这条链给了两个实用结论。
第一,把「一直都要遵守」的规则放进长期设定,把「这一次的要求」放在输入里。混着写,模型有时会当同一条处理。
第二,长期设定写得越像人话越好,但别在长期设定里塞这次任务的细节,那是输入的位置。
Anthropic 的做法类似,但强调另一件事:把要做的活儿写成一个 XML 标签包起来,比如 <tool_orchestration>。
标签里面分几行写清楚「哪一段用工具、允许调哪些工具、输出格式是什么、并发和重试上限是多少、哪一部分仍然直接做」。
OpenAI 的 GPT-6 文档里给了一个完整的模板。写法要点是:能程序化的一起做,需要判断的留给模型自己。
并且明确告诉它不要两条路来回换,也不要重复已经做完的调用。
不同类型的模型,提示词要写得不一样
这一点官方讲得很直接。OpenAI 的说法是:推理型模型像一个资深同事,你给目标、细节让它自己安排。
GPT 型模型像一个初级同事,你得把步骤写清楚它才做得好。
Anthropic 的文档补了一条更实际的:不是所有做不好的事情都该用提示词解决。有些问题换一个更快的模型,延迟和成本立刻就下来了。
所以选模型和写提示词是同一个决定的两面:你在「换一个模型」和「把话说得更死」之间选。
判断依据是你缺的是什么:
| 你缺的 | 先试这个 |
|---|---|
| 模型没听懂目标 | 补一句成功标准 |
| 格式不对 | 说清输出格式,或改用结构化输出 |
| 步骤漏了 | 逐步写出来(初级模型向) |
| 细节多但模型没耐心推 | 换更强的模型,别再堆字 |
| 每次结果都不一样 | 固定模型版本,把提示词做成测试用例 |
资料来源与未核实项
核对日期:2026-11-10。下表页面均为官方页面,本站在该日打开。
| 页面 | 用到的内容 |
|---|---|
| https://platform.openai.com/docs/guides/prompt-engineering ↗ | instructions 参数优先于 input、消息角色的优先级顺序、推理型模型与 GPT 型模型的提示差异、建议固定模型快照、建立测试与评估、固定示例、选择模型的取舍 |
| https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview ↗ | 动手改提示词之前应先备齐的三样东西、并非所有失败都该用提示词解决、技巧清单(清晰度与示例、XML 结构化、角色提示、思考、提示链)、两个交互式教程入口 |
| https://platform.openai.com/docs/guides/latest-model ↗ | 工具编排模板的结构(限定阶段、可用工具、输出结构与证据、并发与重试与停止上限、哪部分仍直接做)、程序化工具调用与直接工具调用的分工、最终消息与程序输出要分别测试 |
| https://model-spec.openai.com/ ↗ | 消息角色的优先级链(developer → user → assistant) |
已核实:上表写明的前置条件、角色优先级、两类模型的提示差异、工具编排模板的字段,均与正文对应;本文的例子与练习材料均为虚构。
未核实项:
- 本文没有调用任何模型接口,也没有在界面上逐条比对过同一条提示词的多次输出;文中对「输出长什么样」的描述来自官方文档与常见情形,不是本站实测。
- 提示词与具体模型版本的效果关系,官方文档本身写的是「要针对你的模型和负载自己评估」,本文没有做这层评估。
- 「四步走通」是本站整理的做法,不是任何一家的官方流程。
- 界面上的长期设定在不同产品里叫法不同、可用范围也不同,本文按 OpenAI 的角色优先级说明概念,未逐个产品核对具体功能位置。
能打开任意一个对话工具的界面;有一段不含隐私的测试材料
适用范围:提示词基础方法。不绑定某个客户端版本,界面改版后仍可照做。
以下来源方便你逐项对照;引用文档不代表已经完成实际操作测试。 本文标注为 AI 辅助起草。
- 正文引用的官方页面已逐条打开核对;文中方法与数字均出自这些页面,未实测的部分已在「资料来源与未核实项」写明
- 核对了什么:本次只做表达层改写(拆长段落、结论前置、删重复与填充句),数字、型号、版本、日期、URL、官方表述、否定表述(没有/不支持/不含)以及限制条件全部保留;改写前后用脚本抽取正文里的数字、英文专名与 URL 做集合比对,差集为空,说明没有丢事实。没做什么:没有新增任何事实,没有重新实测文中提到的产品,没有改动正文里已有的表格、清单、代码块与图。
- 核对了什么:这条只说明本文的适用范围与方法边界,不是对某个产品版本的实测结论 —— 写法与站内其它方法类文章一致(明确说明依赖不依赖某个客户端版本、哪些具体环节没有实测)。核的时候逐句确认了正文与这条说明一致:正文里讲的步骤不依赖特定按钮或菜单,涉及具体工具的部分都写了「以官方当前说明为准」。没做什么:没有实测任何一个产品的当前版本、菜单路径、价格或套餐;凡涉及具体价格、额度、地区可用性的表述,正文里都保留为未核实项,没有在这里被当作已核实。
- 正文引用的官方页面已逐条打开核对;文中数字均来自这些页面,未实测的部分已在「资料来源与未核实项」写明
相关工具
发现内容与当前界面不一致?
提交内容纠错金额随意,多少都帮得上忙。AITime 的资料整理、事实核对和每日更新由个人完成, 没有付费墙,所有内容都可以免费读。
扫码使用微信支付,备注可以留空。
哪个工具卡在哪一步、想给文章补一个真实案例、都可以加我。 留言时写清来源和具体问题,我看到会回。
扫一扫添加好友,备注写「AITime」我更容易认出来。
讨论与使用经验
正在加载讨论…